UNIVERSIDADE DE BRASLIA UNB

CURSO DE BACHARELADO EM CINCIA DA COMPUTAO

GABRIEL LUCAS FRANA DO NASCIMENTO

APRENDIZADO DE MQUINA EM PROCESSOS DECISRIOS

UMA VISO FILOSFICA

BRASLIA/DF
2017
 Gabriel Lucas Frana do Nascimento

APRENDIZADO DE MQUINA EM PROCESSOS DECISRIOS

UMA VISO FILSOFICA

Resumo critico apresentado para a disciplina

Informtica e Sociedade, no curso de Bacharelado
em Cincia da Computao, na Universidade de
Braslia UNB.

Prof. Jorge Henrique Cabral Fernandes

BRASLIA/DF
2017
2
**** *TAREFA_1 *TURMA_B *NUMART_30 *MATR_170142817
*NOME_GabrielLucasFranaDoNascimento

Crtica ao trabalho Machine learning in decisional process. A philosophical perspective, por

Gabriel Lucas Frana do Nascimento.
Braslia, 16 de agosto de 2017.

O Machine Learning vem sendo uma rea amplamente discutida devido ao seu poder e
sua abrangncia em termos de coleta e anlise de dados. Grandes empresas assim como
governos utilizam-se do Machine Learning para estudar e catalogar comportamentos, criando
assim, padres sobre diversas reas, sejam elas na criao de polticas pblicas e prever
possveis resultados, ou mesmo para uma melhoria na qualidade de vida, estendendo-se at
mesmo as reaes de um pblico determinada (s) ao (es) e/ou produto (s).

A anlise de um Big Data1 pode apresentar diferentes resultados dependendo apenas dos
filtros previamente estabelecidos, podendo, inclusive, tais resultados serem discriminatrios ou
imprecisos devido a alguns fatores sociais. Isso pode ocorrer pois em nossa sociedade existem
diversas classes sociais e certas diferenas entre cada uma delas, influenciando assim uma
possvel falha em comunidades as quais no conseguem demonstrar de forma clara uma opinio
a respeito de determinados assuntos/servios ex. acesso limitado Internet na China e Coreia
do Norte.

Outro motivo a qual a anlise pelo Machine Learning possa no ser totalmente justa,
quando o algoritmo treinado valendo-se de dados compartilhados na Internet atravs de
interaes entre usurios, assim como ocorre em redes sociais. Porm, para Satosi Watanabe2,
possvel aprender utilizando-se dos erros e falhas devido ao fator humano que possam
ocorrer durante a anlise, criando assim estudos futuros cada vez mais confiveis. A Ayasdi3
a qual faz observaes a partir de um Big Data afirma ter tornado sua anlise mais fidedigna,

1
Big Data o termo que descreve o imenso volume de dados estruturados e no estruturados que impactam
os negcios no dia a dia.
2
Satosi Watanabe foi um fsico terico. Ele estudou diversos tpicos como por exemplo, reconhecimento de
padres, cincia cognitiva e o conceito de tempo.
3
Ayasdi uma empresa especializada em inteligncia artificial a qual oferece uma plataforma para organizaes
que procuram analisar e construir modelos preditivos utilizando o Big Data.
3
empregando a topologia algbrica para eliminar completamente o fator humano, resultando em
processos de certa forma imparciais e limpos de possveis ambiguidades.

O Machine Learning uma excelente ferramenta para extrair conhecimento com

eficincia, teoricamente, superior a qualquer outro mtodo tradicional de anlise. Sendo assim,
para aproveitar o potencial total deste instrumento necessrio que se utilize dados de
excelncia inquestionvel. Pois at mesmo usufruindo de tais dados, ainda possvel que seja
difcil a completa compreenso dos resultados podendo gerar frustraes.

Sendo uma ferramenta to verstil e manipulvel, possvel que ela seja induzida a
demonstrar certos padres que nem sempre correspondem realidade. Caso o algoritmo utilize
os dados compartilhados em redes sociais, possvel que ele capture e reproduza o preconceito
dos indivduos. Um caso recente aconteceu com a inteligncia artificial da Microsoft (conhecida
como Tay) a qual foi ensinada por usurios do Twitter. A inteligncia artificial, utilizando
Machine Learning, capturou um comportamento induzido pelos usurios gerando para si um
tipo de personalidade neonazista.

A interao humana direta necessria e torna todo o processo cada vez melhor.
Entretanto, quando a proporo de humanos interagindo com a inteligncia artificial aumenta,
os dados comeam a ficar cada vez mais complexos. Um sinal de toda essa complexidade dos
dados pode ser determinada pela forma desigual dos resultados e ao tornar o processo de criar
decises justas um total desafio, assim como ocorreu com a Tay. Ainda assim, decises que
possam ser consideradas justas ainda podem ser produzidas utilizando as interaes humanas.
Empregando o algoritmo em grandes conjuntos de dados os quais se resumem a ideias
extremamente simplistas, possvel assim, estimar que toda coleta de dados ser feita no por
decises individuais de cada interao humana e sim de uma opinio comum, formada pelo
sincronismo neural entre tais indivduos.

4
REFERNCIAS:

SCANTAMBURLO, T. Machine Learning in Decisional Process: A Philosophical

Perspective. SIGCAS Comput. Soc., v. 45, n. 3, p. 218224, jan. 2016.

THE GUARDIAN, Tay, Microsoft's AI chatbot, gets a crash course in racism

from Twitter. Disponvel em:
<https://www.theguardian.com/technology/2016/mar/24/tay-microsofts-ai-chatbot-
gets-a-crash-course-in-racism-from-twitter?CMP=twt_a-technology_b-gdntech>
Acesso em 17 de agosto de 2017.